En un avance significativo para la tecnología ambiental, un equipo de especialistas vinculado al Museo Nacional de Ciencias Naturales (MNCN) de España ha presentado TropiCam-AI. Se trata del primer algoritmo de inteligencia artificial diseñado exclusivamente para la identificación de especies animales arbóreas dentro de la región de la Amazonía.
De acuerdo con la información oficial difundida por el centro de investigación este 19 de febrero, esta herramienta permite el reconocimiento automático de la fauna que reside en el dosel de los bosques húmedos neotropicales, utilizando como base las capturas obtenidas mediante cámaras trampa.
Alcance y precisión técnica
El desarrollo de este sistema se enfocó en 84 grupos de mamíferos y aves neotropicales, logrando un nivel de exactitud que alcanza el 95 % de precisión. Desde el MNCN se ha enfatizado que contar con un monitoreo eficiente de estas poblaciones es un pilar fundamental para diagnosticar la salud de los ecosistemas y estructurar planes de conservación efectivos en las selvas tropicales.
Esta plataforma ha sido lanzada como una herramienta de código abierto, lo que significa que está disponible para otros investigadores a nivel mundial. Esto facilita el estudio de especies que, por su naturaleza, resultan sumamente complicadas de monitorear bajo métodos tradicionales.
«Con TropiCam-AI podemos procesar rápidamente cientos de miles de imágenes de fauna arbórea en los bosques tropicales con gran precisión, transformando la manera en que estudiamos estos ecosistemas»
Estas fueron las palabras de Andrea Zampetti, quien lidera el estudio como autor principal. El algoritmo posee la capacidad de reconocer un total de 84 taxones, que incluyen 63 especies, 13 géneros, 5 familias y 3 órdenes de aves y mamíferos, abarcando incluso a la totalidad de los géneros de monos que habitan en el continente americano.
Entrenamiento y metodología
Para consolidar la eficacia de TropiCam-AI, los expertos procesaron una base de datos masiva compuesta por más de 180.000 imágenes recolectadas en estaciones de cámaras trampa en Brasil, Perú, Costa Rica y la Guayana Francesa. Complementariamente, se integraron casi 54.000 fotografías de ciencia ciudadana provenientes de la plataforma iNaturalist.
Con el objetivo de reducir el margen de error ante imágenes de baja claridad, el equipo implementó una estrategia denominada clasificación jerárquica. Este método permite que, ante la incertidumbre, el sistema asigne a los animales a niveles taxonómicos superiores, tales como género, familia u orden. Gracias a esto, la precisión se mantiene elevada incluso en regiones o con especies que no formaron parte del entrenamiento inicial. Un ejemplo práctico de esto es la capacidad de reconocer a un nuevo ejemplar del género Ateles (mono araña) dentro de su taxón correspondiente, aun si el algoritmo no lo conocía previamente.
Democratización tecnológica
A pesar de que el uso de IA en la biología es una tendencia creciente, la mayoría de los desarrollos actuales se centran en especies terrestres de climas templados. En este sentido, la investigadora Ana Benítez-López, perteneciente al MNCN, destacó que esta innovación:
«no solo acelera el procesamiento de datos, sino que también democratiza el acceso a la inteligencia artificial para quienes realizan su trabajo en ecosistemas neotropicales»
Fuente: Fuente